端到端、世界模型、車路云……誰將成為明年“AI+交通”最熱詞？(3)

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2024-12-13 14:37:29 極智GeeTech

端到端最核心的一點(diǎn)在于將自動(dòng)駕駛算法進(jìn)行了全面的AI化，轉(zhuǎn)向了完全的數(shù)據(jù)驅(qū)動(dòng)，但這意味著需要更加海量的數(shù)據(jù)進(jìn)行模型的訓(xùn)練。

但對(duì)于到底需要多少數(shù)據(jù)才能訓(xùn)練出一個(gè)完美的自動(dòng)駕駛模型，業(yè)界并沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。之前有報(bào)道稱，特斯拉2024年初的視頻訓(xùn)練片段數(shù)量將近3000萬個(gè)。按照每個(gè)視頻片段30秒、30FPS的幀率、8個(gè)攝像頭計(jì)算，訓(xùn)練圖片數(shù)量高達(dá)220億張。

此外，這種規(guī)模的訓(xùn)練數(shù)據(jù)訓(xùn)練出來的自動(dòng)駕駛系統(tǒng)的等級(jí)仍未達(dá)到L3，自動(dòng)駕駛系統(tǒng)能力每提高一個(gè)等級(jí)，需要的訓(xùn)練數(shù)據(jù)量至少會(huì)提升一個(gè)數(shù)量級(jí)，也就是說，要達(dá)到L4，至少需要訓(xùn)練幾億個(gè)視頻片段。

端到端雖然強(qiáng)化了數(shù)據(jù)的作用，但大模型的引入?yún)s增加了龐大的數(shù)據(jù)標(biāo)注需求。在基于語言模型的自動(dòng)駕駛大模型中，其輸入是當(dāng)前駕駛場(chǎng)景的圖片，其輸出是各類交通參與者、道路拓?fù)?、交通信?hào)標(biāo)識(shí)的語義信息，這種模型不具備自回歸特性，進(jìn)行有監(jiān)督學(xué)習(xí)，其訓(xùn)練需要海量的數(shù)據(jù)標(biāo)注工作。

這引發(fā)了一個(gè)新的問題：如果端到端自動(dòng)駕駛模型的訓(xùn)練還需要繼續(xù)打標(biāo)簽，在源源不斷產(chǎn)生的海量數(shù)據(jù)面前，還如何保證高效訓(xùn)練？這也是一直以來影響端到端進(jìn)一步發(fā)展的最大阻礙。

世界模型實(shí)現(xiàn)從感知到認(rèn)知的躍遷

無論是BEV檢測(cè)的白名單障礙物還是OCC占用網(wǎng)絡(luò)檢測(cè)的通用障礙物，從本質(zhì)上來說，都屬于基于判別式AI實(shí)現(xiàn)的對(duì)分立物體的單獨(dú)感知。

生成式AI大模型具備的超強(qiáng)理解能力使得視覺語言模型、大語言模型、世界模型可以建立對(duì)當(dāng)下場(chǎng)景的整體認(rèn)知，實(shí)現(xiàn)從感知到認(rèn)知的階躍。

舉例來說，BEV可以檢測(cè)到一個(gè)行人，大模型可以通過意圖理解判斷出這是一個(gè)要橫穿馬路的行人。BEV網(wǎng)絡(luò)可以檢測(cè)到前方的一個(gè)車輛，大模型可以更進(jìn)一步，通過長(zhǎng)時(shí)序信息判斷出這是一個(gè)即將減速的車輛。

首頁上一頁 1 234 5 6...全文共 7 頁下一頁

關(guān)閉

端到端、世界模型、車路云……誰將成為明年“AI+交通”最熱詞？(3)

相關(guān)新聞

今日熱點(diǎn)

頻道熱點(diǎn)

端到端、世界模型、車路云……誰將成為明年“AI+交通”最熱詞？(3)